[논문 리뷰] Hybrid Optimal Theory and Predictive Control for Power Management in Hybrid Electric Vehicle

Kasemsak Uthaichana, Raymond A. DeCarlo외 3명|arXiv (Cornell University)|2018. 04. 02.

Electric and Hybrid Vehicle Technologies참고 문헌 37인용 수 10

한 줄 요약

이 논문은 병렬 구조의 하이브리드 전기차(PHEV)에서 부적합한 전력 관리 문제를 해결하기 위해 하이브리드 최적 제어 및 비선형 모델 예측 제어(NMPC) 프레임워크를 제안한다. PHEV를 이중 모드 스위치 시스템으로 모델링하고, 연료 소비, 추적 오차, 마찰, SOC 이탈을 페널티로 포함하는 성능 지표를 설정함으로써 원래의 비凸 최적 제어 문제를 볼록 문제로 매립시켜 해결한다. 직접 콜로케이션과 순차적 정수 프로그래밍을 통해 문제를 풀었으며, 다양한 주행 사이클에서 SOC 지속 가능성과 함께 효과적인 추적 및 연료 효율성을 입증하였다.

ABSTRACT

This paper presents a nonlinear-model based hybrid optimal control technique to compute a suboptimal power-split strategy for power/energy management in a parallel hybrid electric vehicle (PHEV). The power-split strategy is obtained as model predictive control solution to the power management control problem (PMCP) of the PHEV, i.e., to decide upon the power distribution among the internal combustion engine, an electric drive, and other subsystems. A hierarchical control structure of the hybrid vehicle, i.e., supervisory level and local or subsystem level is assumed in this study. The PMCP consists of a dynamical nonlinear model, and a performance index, both of which are formulated for power flows at the supervisory level. The model is described as a bi-modal switched system, consistent with the operating mode of the electric ED. The performance index prescribing the desired behavior penalizes vehicle tracking errors, fuel consumption, and frictional losses, as well as sustaining the battery state of charge (SOC). The power-split strategy is obtained by first creating the embedded optimal control problem (EOCP) from the original bi-modal switched system model with the performance index. Direct collocation is applied to transform the problem into a nonlinear programming problem. A nonlinear predictive control technique (NMPC) in conjunction with a sequential quadratic programming solver is used to compute suboptimal numerical solutions to the PMCP. Methods for approximating the numerical solution to the EOCP with trajectories of the original bi-modal PHEV are also presented in this paper. The usefulness of the approach is illustrated via simulation results on several case studies.

연구 동기 및 목표

• 실시간 적용이 가능한 병렬 PHEV 전력 관리 전략을 개발하여 연료 효율성, 주행성능 및 배터리 상태(소비율, SOC) 제약 조건을 균형 잡는다.
• 다중 모드 PHEV 제어 문제의 복잡성을 이중 모드 스위치 시스템으로 모델링하여 제어 정밀도를 훼손하지 않으면서 단순화한다.
• 차량 추적, 연료 소비, 마찰 손실, SOC 조절을 종합적으로 최적화하는 성능 지표를 수립한다.
• 매립 기법과 직접 콜로케이션을 적용하여 비凸 최적 제어 문제를 해결 가능한 비선형 프로그래밍 문제(NLP)로 변환한다.
• 다양한 주행 프로파일, 특히 이가형, EPA 고속도로, US06 FTP 사이클을 대상으로 시뮬레이션을 통해 NMPC 기반 전략의 타당성을 검증한다.

제안 방법

• 감시 수준에서 PHEV를 이중 모드 스위치 시스템으로 모델링하여 엔진 단독 및 모터 단독 운전 모드를 표현한다.
• 차량 추적 오차, 연료 소비, 마찰 손실, 정상 수준에서의 SOC 이탈을 페널티로 포함하는 다중 목표 성능 지표를 정의한다.
• 문헌 [20]에서 제안한 매립 기법을 적용하여 비凸 스위치 최적 제어 문제를 볼록 매립 최적 제어 문제(EOCP)로 변환한다.
• 직접 콜로케이션을 사용하여 연속 시간 EOCP를 유한 차원의 비선형 프로그래밍 문제(NLP)로 변환한다.
• 예측 윈도우 내에서 순차적 정수 프로그래밍(SQP) 솔버를 사용하여 유도된 NLP를 풀어 부분 최적 제어 입력을 생성한다.
• 재정의된 수평선을 활용한 NMPC 전략을 구현하여 실시간 피드백에 기반해 매 시간 단위로 예측 및 제어 조치를 갱신한다.

실험 결과

연구 질문

• RQ1 이중 모드 스위치 시스템 모델이 PHEV의 핵심 전력 관리 역학을 정확하게 표현할 수 있는가? 복잡성을 줄이되 제어 정밀도를 훼손하지 않는가?
• RQ2 매립 기법이 PHEV 전력 관리의 비凸 최적 제어 문제를 얼마나 효과적으로 단순화하는가?
• RQ3 짧은 예측 윈도우를 갖는 NMPC가 SOC 제약 조건을 유지하면서도 정확한 차량 속도 추적을 어느 정도 달성할 수 있는가?
• RQ4 EPA 고속도로 및 US06 FTP와 같은 다양한 주행 사이클에서 제안된 전략의 연료 효율성과 전력 분배 행동은 어떠한가?
• RQ5 추적 성능 및 에너지 관리 측면에서 NMPC 솔루션은 기준 전략과 비교해 어떻게 다른가?

주요 결과

• NMPC 전략은 이가형, EPA 고속도로, US06 FTP 주행 사이클에서 목표 속도 프로파일을 거의 완벽하게 추적하여 최소한의 추적 오차를 기록하였다.
• 평탄한 EPA 고속도로 프로파일에서는 평균 32mpg의 연료 효율성을 기록했으며, 정현파 경사도로 인해 재생 제동 비효율성과 마찰 손실이 발생하여 27.5mpg로 떨어졌다.
• 공격적인 US06 FTP 프로파일에서는 높은 일시적 출력 요구로 인해 연료 효율성이 23mpg로 감소했으며, 엔진-발전기(ED)는 모터링 및 발전 모드에서 모두 최대 출력에 가까운 상태로 작동하였다.
• 배터리 SOC는 성공적으로 제한 범위 내에서 유지되었으며, 공격적인 가속 중 약 45%로 하락하고 US06 사이클 종료 시 60%로 상승하였다. 이는 점차 증가하는 SOC 페널티의 영향을 받은 결과였다.
• NMPC 전략은 합리적인 모드 전환 행동을 보였으며, 속도 변화에 따라 일치하고 불필요한 전환을 피하는 경향을 보였다. 모드 및 SOC 프로파일을 통해 이를 확인할 수 있었다.
• 내연기관(ICE)은 약 40kW에서 가장 효율적으로 작동했으며, 파워-스피드 맵 상에서 고밀도 데이터 포인트가 최적 작동 영역을 나타내었고, 가속 및 감속 시 히스테리시스 특성을 보였다.